Administracin de Empresas

Ediciones Contabilidad Moderna

Buenos Aires, [1972]

Tomo II B Octubre - Marzo

Este material se utiliza con fines exclusivamente didcticos.

Economa de la informacin
Mario E. Bertoletti

1. Introduccin
La informacin es un recurso que tiene una organizacin. Entendemos aqu por organizacin cualquier formacin social orientada hacia fines concretos. Dentro de esta amplia definicin caben grupos sociales tan diversos como empresas comerciales, hospitales, ministerios, universidades, prisiones, sindicatos obreros, clubs sociales, partidos polticos e iglesias. La caracterstica de toda organizacin es que utiliza recursos diversos para alcanzar ciertos fines especficos. Los fines pueden ser ganancias, tasas de crecimiento e imagen de empresa para una empresa industrial; o influencia poltica y nmero de afiliados para un partido. Los objetivos de cada organizacin dependen de su naturaleza. Tambin los recursos de una organizacin son muy diversos. En el caso de una empresa comercial los edificios, los empleados y la publicidad son recursos que se pueden utilizar, entre otros, para alcanzar los fines de utilidad y crecimiento. La informacin es otro recurso de que se dispone. Todo recurso se caracteriza porque tiene un valor y un costo. Su valor es la contribucin a alcanzar los objetivos de la organizacin. La publicidad tiene un valor porque contribuye a las mayores ventas de la empresa, que a su vez son la base de las ganancias y el crecimiento. Pero todo recurso tiene tambin un costo. La publicidad cuesta porque tiene gastos de produccin y costo de compra de espacio en medios como T.V., revistas o carteleras en va pblica.

Valor de la informacin

I Cantidad de informacin Reproduccin autorizada por la 1 Oficina Intergubernamental para la Informtica de la Unesco; forma parte del libro . Rendimiento decreciente de a informacin Curso Latinoamericano de Sistemas de informacin para la Conduccin (MITS 70). Editado en 1970. Ingeniero industrial. Profesor de la Facultad de Ingeniera, Universidad de Buenos Aires. Director de AD Asesores de Direccin. 2

La informacin es un recurso de la organizacin, y por lo tanto tambin tiene un valor y un costo. El tema economa de la informacin se refiere al valor, al costo y a la utilidad de la informacin, definiendo utilidad de la informacin como la diferencia entre el valor y el costo de la informacin. Como casi todos los otros recursos de una organizacin, la informacin presenta el conocido fenmeno de los rendimientos decrecientes: pasado un cierto nivel de informacin, incrementos de ella producen incrementos del valor de la informacin cada vez menores. Esto se representa grficamente en la ilustracin N 1, donde se aprecia que pasando la cantidad de informacin de la pendiente de la curva disminuye a medida que aumenta la informacin. Naturalmente, a toda organizacin le interesa disear sistemas de informacin ptimos, que son aquellos para los cuales el valor marginal de la informacin iguala a su costo marginal. De tal forma la utilidad marginal de la informacin es nula: hemos incrementado la informacin hasta que el valor de una cantidad de informacin adicional iguala al costo de esa informacin adicional. Antes de proseguir, veamos un ejemplo elemental que demuestra cmo la informacin puede tener un valor y un costo. Supongamos que alguien nos propone un juego que consiste en arrojar una moneda sin que nosotros veamos si cay cara o ceca; y que nosotros tratemos de adivinar el resultado. Si acertamos, ganamos $ 10; si nos equivocamos, no ganamos nada. Este es un juego muy particular, con ventaja para nosotros. Es evidente que repetido un nmero grande de veces nos dar una ganancia cierta. Es ms, hasta podemos estimar cunto ganaremos: como acertaremos aproximadamente la mitad de las veces, ganaremos en promedio unos $ 5 por jugada. Si jugamos el juego 1.000 veces, ganaremos aproximadamente $ 5.000. Dada esta situacin, supongamos ahora que una persona nos ofrece "vendernos informacin": si le pagamos $ 3 por jugada, nos dir por anticipado si la moneda sali cara o ceca. Naturalmente, esta informacin es valiosa para nosotros: sabiendo antes de declarar cmo cay la moneda, estamos en condiciones de ganar siempre. Si la persona que nos vende la informacin es confiable, nunca nos equivocaremos. Anunciaremos siempre lo correcto, "cara" cuando la moneda haya salido cara, "ceca" cuando la moneda haya salido ceca. Por lo tanto ganaremos $ 10 por jugada. Ahora estamos en condiciones de estudiar la economicidad de tal informacin. Cunto vale la informacin que nos ofrecen? Vale la diferencia entre nuestra ganancia si aceptamos la oferta y nuestra ganancia en la situacin original. Con la informacin estamos en condiciones de ganar $ 10 por jugada; sin la informacin ganbamos $ 5 por jugada. Por lo tanto el valor de la informacin es de $ 10 $ 5 = $ 5 por jugada. Por otra parte, el costo de la informacin es de $ 3 por jugada, segn la oferta original. Por lo tanto llegamos al siguiente "estado de resultados": Valor de la informacin ....................................... $ 5 por jugada Costo de la informacin ....................................... 3 por jugada Utilidad de la informacin ................................... $ 2 por jugada No conviene comprar la informacin porque con ella tenemos una ganancia de $ 2 por jugada. En lugar de ganar $ 5 por jugada ganaremos $ 7 por jugada (igual a $ 5 que ganbamos antes ms los $ 2 de ganancia por jugada provista por la compra de informacin. Otra forma de verlo es que $ 7 es la diferencia entre $ 10 y $ 3, que son respectivamente la ganancia y el costo por jugada cuando se compra informacin). Si bien el ejemplo que acabamos de ver es extremadamente simple, contiene la idea central del aspecto econmico de la informacin. La informacin tiene valor porque reduce nuestra incertidumbre acerca de la naturaleza del mundo que nos rodea. Cuando se tira una moneda, ignoramos si sali cara o ceca. Tenemos incertidumbre con respecto a un estado de cosas que nos interesa. Cuando en el ejemplo compramos informacin, reducimos esa incertidumbre. Es ms, en este caso particular no solamente la reducimos sino que la eliminamos por completo. La informacin transforma nuestra incertidumbre en certeza: que la moneda sali cara o que sali ceca. Esa es la funcin y se es el valor de la informacin: reducir nuestra incertidumbre acerca del mundo que nos rodea, y por lo tanto permitirnos tomar mejores decisiones. Al elegir cara o ceca en el ejemplo, estamos decidiendo. Sin la informacin ofrecida, nuestra decisin es mediocre: acertamos la mitad de las veces. Con la informacin ofrecida, nuestra decisin mejora radicalmente: siempre decidimos correctamente. Y una mejor decisin tiene por lo general un mayor valor: ganamos ms decidiendo bien que decidiendo mal. La informacin es econmicamente conveniente siempre que el incremento de valor de una mejor decisin exceda el costo de la informacin. La informacin reduce la incertidumbre porque afirma uno de varios mensajes distintos posibles. Antes de disponer de la informacin, tenemos dudas acerca de cul es el mensaje que recibiremos. Recibido
3

el mensaje, sabemos que se es el verdadero y no los otros, y en eso consiste la reduccin de la incertidumbre. En el ejemplo de la moneda, hay dos mensajes alternativos posibles: "la moneda sali cara" y "la moneda sali ceca". Al comprar informacin, recibimos uno de esos dos mensajes. Nuestra incertidumbre disminuye porque ahora sabemos cul de los dos mensajes posibles es cierto. Lo visto hasta aqu puede resumirse as: 1. La informacin es un recurso de toda organizacin, que tiene un valor y un costo. 2. La informacin reduce la incertidumbre porque consiste en la transmisin de un mensaje entre varios mensajes posibles. 3. La informacin tiene valor porque reduce nuestra incertidumbre acerca del mundo que nos rodea, y a su vez porque la reduccin de la incertidumbre nos permite tomar mejores decisiones que acercan ms los resultados a los objetivos de la organizacin. 4. La dimensin de un sistema de informacin es ptima cuando el valor incremental de la informacin iguala a su costo incremental. II. Valor de la informacin En esta seccin nos ocuparemos de describir los mtodos sobre la base de los cuales se juzga el valor de la informacin. En primer lugar introduciremos un modelo cuantitativo de gran valor conceptual, y de valor prctico en numerosos casos de procesos de decisin de bajo nivel que tengan las caractersticas de repetitivos y formalizables. En segundo lugar, describiremos los aspectos cualitativos que guan la evaluacin y el diseo de sistemas de informacin en la mayor parte de los casos de la vida real. Ya vimos ms arriba que la informacin tiene valor porque nos permite reducir la incertidumbre y mejorar la calidad de nuestras decisiones. Por eso debemos comenzar por repasar la teora de los procesos de decisin y ver a continuacin la estructura de la informacin. 2,1. Teora de la decisin La tarea fundamental del directivo, del ejecutivo, del funcionario o de cualquier otro responsable es decidir. Por eso debemos profundizar cul es el mecanismo ntimo de todo proceso de decisin. Ante todo, qu es una decisin? Qu es decidir? Podemos decir que decidir es elegir uno entre varios modos alternativos de actuar. Hay que decidir cundo hay que hacer algo, pero hay ms de una manera diferente de hacerlo. La decisin es una eleccin. Del proceso de decisin surge una determinada informacin que comunica a alguien (puede ser al mismo decididor) qu es lo que debe hacerse. Sea entonces ai una alternativa particular de un conjunto A de n alternativas posibles, donde n es igual o mayor que 2. Cada ai es, en el caso general, un vector que representa un conjunto de actos concretos. Por ejemplo, ai = (emplear 40 hombres, comprar 10 mquinas) es una alternativa posible representada por un vector de dos elementos. Dentro del mismo problema, otra alternativa posible sera aj = (emplear 15 hombres, comprar 12 mquinas) Otra de las alternativas puede ser, evidentemente, no hacer nada. Por otra parte, sea Ej un estado de la naturaleza particular de un conjunto E de m estados posibles. Cada Ei es, en el caso general, un vector que representa un conjunto de variables del entorno. Por ejemplo, Ej = (la demanda es de 650 Kg, el precio de mercado de 75 pesos/Kg, los recargos de importacin no cambian)
4

es un estado de la naturaleza posible representado por un vector de tres elementos. En un problema concreto, los elementos que se incluyen son aquellos que describen en forma relevante los aspectos importantes del entorno. El nmero m de estados de la naturaleza que se toman en consideracin se limita a aquellos que tienen una probabilidad de ocurrencia no despreciable. Cada combinacin alternativa-estado de la naturaleza (ai, EJ) representa un posible acontecimiento. Supondremos que la organizacin puede asignar un valor o utilidad uij a cada acontecimiento posible. De esta forma queda definida la matriz de decisin de n X m elementos de la ilustracin N 2.
Estados de la naturaleza Ej ... uij ... u2j ... . . . uij ... . . . unj 2. Matriz de decisin

Alternativas a1 a2 . . . ai . . . an

E1 u11 u21

E2 u12 u22

... ... ...

Em utm u2m

ui1

ui2

...

uim

un1

un2

uam

Introduciremos un ejemplo simple para ilustrar las difiniciones anteriores y los desarrollos que seguirn. Sea el caso de una empresa que fabrica y comercializa un nuevo producto de consumo masivo y que tiene que decidir la asignacin de su presupuesto de publicidad y promocin a una de tres alternativas posible a1: asignar el presupuesto a medios masivos de publicidad, como T.V., grfica o radio; a2: asignar el presupuesto en forma equilibrada entre medios masivos y promocin en comercios minoristas; a3: asignar el presupuesto totalmente a promocin en comercios minoristas (publicidad en el local, vidrieras, descuentos promocionales, etc.). Estas son las alternativas que se consideran. Se ve que cada alternativa es un vector de dos elementos (publicidad masiva, promocin). La empresa considera dos posibles estados de la naturaleza, dos posibles formas de comportamiento del mercado: E1: el mercado compra movido por la publicidad masiva; E2: el mercado compra movido por la promocin en los comercios. La matriz de decisin aparece en la ilustracin N 3. La empresa ha estimado qu beneficio o perjuicio econmico le produce cada acontecimiento. Por ejemplo, ha estimado que si hace publicidad masiva (alternativa al) y el mercado es sensible a la publicidad masiva (estado E1), entonces gana 100; pero que si el mercado es sensible a la promocin, pierde 20.
Asignacin del presupuesto publicitario a1 a2

Comportamiento del mercado E1 100 40 5 ($) E2 20 20

a3

20

50

3. Matriz de decisin de ejemplo

El problema se plantea entonces as: dadas las tres alternativas, los dos estados de la naturaleza posibles y los seis resultados de la matriz, cul es la decisin correcta? Cul es la asignacin del presupuesto de publicidad ms conveniente? Para poder contestar este interrogante existen diversos criterios de decisin, que no siempre arrojan la misma recomendacin. Aqu utilizaremos el criterio del valor esperado, que es perfectamente razonable para decisiones que no son de importancia tal que las posibles prdidas ponen en peligro el futuro de la organizacin. Para utilizar este criterio es necesario asignar probabilidades a los diferentes estados de la naturaleza. Estas probabilidades pueden ser experimentales, estadsticas o histricas, como en el caso de un tipo de problema repetido que permite calcular la frecuencia relativa con que se da cada estado; o pueden ser probabilidades subjetivas, que miden el grado de creencia razonable en que se d cada estado. Si denominamos pj la probabilidad asociada al estado E1, debe cumplirse que la suma de las probabilidades de todos los estados sea igual a la unidad, desde el momento que algn estado es el verdadero, es el que se da en la realidad. Entonces

p =1
j

Supongamos que en nuestro ejemplo los responsables de la decisin estiman que la probabilidad de que el mercado sea sensible a la publicidad masiva es del 70 % y de que sea sensible a la promocin sea del 30 %, porque si bien no saben cmo se comporta el mercado creen con cierta seguridad que debe responder a la publicidad masiva, aunque reconocen que bien pudiera ser que responda a la promocin en el punto de venta. Entonces p1 = 0,70 es la probabilidad asignada a E1 p2 = 0,30 es la probabilidad asignada a E2, con p1 +p2 = 1. El criterio de decisin del valor esperado puede enunciarse as: elegir la alternativa que maximice el valor esperado de la utilidad. Es decir, hay que calcular el valor esperado de cada alternativa y elegir aquella que tenga mayor valor esperado. El valor esperado de la alternativa ai es u (ai) = ui1 p1 + ui2 p2 +...+ uim pm. En nuestro caso u (ai) = $ 100 X 0,70 + $ (20). 0,30 = $ 70 $ 6 = $ 64 u (a2) = $ 40 X 0,70 + $ 20 X 0,30 = $ 34 u (a3) = $ 20 X 0,70 + $ 50 X 0,30 = $ 1.

Como el valor esperado de la alternativa a1 es mayor que el de las otras dos, sa es la alternativa que hay que elegir. Esta decisin tiene un valor de $ 64, pues tal es el valor esperado de la alternativa recomendada(1). En este problema de decisin las probabilidades asignadas a los diferentes estados juegan un papel fundamental. Si esas probabilidades cambiasen, nuestra decisin podra modificarse. Por ejemplo, si tuviramos la certeza prctica de que el mercado compra movido por la promocin en los comercios (es decir, si fuera p1 = 0 y p2 = 1), entonces un clculo similar al anterior nos recomendara la alternativa a3, con un valor esperado de $ 50. La decisin razonable depende de nuestro conocimiento de estado de la naturaleza, de nuestro conocimiento de la realidad y del entorno en que se realiza la decisin. Una situacin como la del ejemplo, en que se cree que el estado E1 es ms probable que el estado E2, pero en que se ignora realmente cul de los dos se da, es una situacin de incertidumbre. No hay certeza de cmo funciona el mundo. Toda decisin en condiciones de incertidumbre implica un riesgo, el riesgo de que la conjuncin de nuestra decisin y el estado que realmente se da tenga un valor desfavorable para nosotros. Por eso cualquier recurso que disminuya nuestra incertidumbre tiene un valor, el valor de permitirnos decisiones ms seguras y con mayor valor esperado. Como la informacin justamente tiene la propiedad de reducir la incertidumbre, pasaremos a considerar la matriz de informacin. 2,2. Estructura de la informacin Existe una estructura de informacin cuando tenemos la posibilidad de recibir mensajes que nos digan algo acerca del verdadero estado de la naturaleza. La informacin contenida en tales mensajes nos permite revisar y ajustar nuestro conocimiento previo, objetivo o subjetivo, de la probabilidad de cada estado de la naturaleza. De tal manera dispondremos de un conocimiento ms fidedigno de la realidad, que nos permitir tomar decisiones mejor fundadas y, seguramente, ms valiosas. La estructura de la informacin queda definida por un conjunto M de r mensajes diferentes mk, de los cuales recibiremos uno. Adems, dado en la realidad un estado de la naturaleza verdadero Ej, la probabilidad condicional de obtener el mensaje mk es igual a qk. Tenemos as definida una matriz de probabilidades condicionadas como la que aparece en la ilustracin N 4, donde se cumple que

k =1

qkj = 1 para todo j

Esto significa que, dado un estado cierto Ej, cada mensaje tiene una determinada probabilidad de producirse, y que uno se dar (porque suman la unidad).
Mensajes m1 m2 . . . mk . . . mr E1 q11 q21 E2 q12 q22 Estados de la naturaleza Ej ... ... qij q2j ... ... . . . qkj . . . qrj 1 Em q1m q2m

qr1 1

qr2 1

qrm 1

4. Matriz de informacin

En un caso concreto, ganaremos $ 100 si se da el estado E1, y perderemos $ 20 si se da el estado E2,. No obstante, si la decisin se repitiera muchas veces y las probabilidades de ambos estados fueran respectivamente 70 y 30 %, en promedio ganaramos $ 64. 7

(1)

Volvamos a nuestro ejemplo para ilustrar una matriz de informacin. Los dos estados posibles de la naturaleza eran E1, el mercado es sensible a la publicidad masiva, y E2, el mercado es sensible a la promocin en el punto de venta. Supongamos ahora que la empresa tiene la posibilidad de encargar una investigacin de mercado (comprar informacin) que estudie el comportamiento de compra del nuevo producto por parte del mercado. La informacin que provee el estudio se reducir a uno de dos mensajes posibles m1: la compra de este producto es una compra planeada m2: es una compra impulsiva. En el primer caso el mercado ser sensible a la publicidad masiva, porque la publicidad masiva permite ponderar, sopesar y planear la compra. En el segundo caso el mercado ser sensible a la promocin en el punto de venta, donde el comprador ver publicitado y expuesto el producto que le har actuar impulsivamente. Ahora bien, esta informacin no es perfecta. Si E1, es verdadero, es decir si el mercado es sensible a la publicidad masiva, entonces lo ms probable es que se d el mensaje m1. Pero tambin puede darse el mensaje m2, aunque sea menos probable. En toda investigacin de mercado existen posibilidades de errores, como por ejemplo que la muestra de individuos estudiados no sea representativa por defectos en su constitucin o por causas aleatorias. Adems, puede no haber una correspondencia cerrada entre "sensibilidad a la publicidad masiva" y "compra planeada". Otro tanto ocurre para el caso de que E2, sea cierta, es decir que el mercado sea sensible a la promocin. En tal caso es probable que la investigacin de mercado concluya que se trata de una compra impulsiva (m2), pero puede eventualmente ocurrir que indique m1, por razones similares a las vistas ms arriba. En tales condiciones podemos tener una matriz de informacin como la que aparece en la ilustracin N 5, donde se han cuantificado las probabilidades condicionales. En esta tabla, la probabilidad de 0,80 debe interpretarse as: si el verdadero comportamiento del mercado es E1, entonces existe una probabilidad del 80 % de que el estudio de mercado consista en el mensaje m1. Naturalmente, como dado un comportamiento del mercado la investigacin arrojar un mensaje, la suma de las probabilidades de cada columna debe ser la unidad, o sea la certeza.
Investigacin Comportamiento del mercado del mercado E1 E2 m1 0,80 0,10 m2 0,20 0,90 1,00 1,00 5. Matriz de informacin del ejemplo

Una estructura de informacin es por definicin perfecta si el estado de la naturaleza verdadero queda unvocamente determinado. En la ilustracin N 6 se ven dos ejemplos. En el caso A, cualquiera de los tres mensajes posibles identifica uno de los estados como cierto. En el caso B, cualquiera de los cuatro mensajes posibles identifica uno de los estados como cierto. La nica diferencia consiste en que la matriz B es demasiado refinada, tiene ms mensajes que el mnimo necesario (el mnimo necesario para obtener informacin perfecta es 3, porque hay 3 estados a identificar).
Mensaje Caso A m1 m2 m3 Caso B E1 1 0 0 E2 0 1 0 E3 0 0 1

m1 m2 m3 m4

0,5 0,5 0 0

0 0 1 0

0 0 0 1

6. Estructuras de informacin perfectas

En la ilustracin N 7 aparecen estructuras de informacin imperfectas. Una estructura es imperfecta si al menos un estado de la naturaleza no queda unvocamente determinado por algn mensaje. Por ejemplo, en el caso A el mensaje m1 no discrimina entre los estados E1 y E2. Si el estado verdadero es E1, el mensaje ser m1, pero si el estado verdadero es E2 el mensaje tambin ser m1. En este caso la estructura de la informacin es demasiado burda, porque el nmero de mensajes posibles es menor que el nmero de estados posibles. Una estructura burda nunca puede ser perfecta. El caso B de la misma ilustracin N 7 corresponde a otra estructura de informacin imperfecta. Los mensajes m1 y m2, no discriminan netamente entre los tres estados de la naturaleza. El mensaje m3 no discrimina entre los estados E2 y E3. Este es el caso de una estructura imperfecta y al mismo tiempo re finada.
Mensaje Caso A m1 m2 Caso B m1 m2 m3 m4 Caso C m1 m2 m3 0,9 0,1 0,0 0,7 0,2 0,1 0,1 0,3 0,6 0,9 0,1 0 0 0,8 0,1 0,1 0 0,25 0,25 0,25 0,25 E1 1 0 E2 1 0 E3 0 1

Caso D m1 m2 m3 0,2 0,8 0,0 0,2 0,1 0,7

7. Estructuras de informacin imperfectas

En el caso C se da al mismo tiempo una estructura imperfecta pero que es equilibrada, ni demasiado burda ni demasiado refinada. Otro ejemplo es el de la ilustracin N 5 del ejemplo. Finalmente, el caso D de la ilustracin N 7 muestra el caso de un mensaje intil: el mensaje m1 no provee ningn tipo de informacin porque tiene la misma probabilidad de ocurrencia cualquiera sea el estado verdadero. Ms adelante demostraremos esto rigurosamente, aunque es fcil aceptarlo intuitivamente: como el mensaje tiene la misma probabilidad de aparicin para- cualquier estado, no puede cambiar nuestro grado de creencia en la verdad de cada estado de la naturaleza.
9

Antes de terminar con este tema digamos que en la realidad es prcticamente imposible construir estructuras de informacin perfectas para mejorar la calidad de las decisiones de la organizacin. Por una parte, las decisiones tienen efecto durante un perodo de tiempo futuro y la optimizacin tiene que considerar futuros estados de la naturaleza, lo que ya representa una incertidumbre per se. En los problemas de decisin se extrapola la situacin presente o se predice la situacin futura, o se considera que la situacin presente no cambiar (que el estado actualmente vlido seguir siendo vlido durante el horizonte de la decisin). Todos estos casos incluyen un cierto grado de incertidumbre. Por otra parte, la informacin nos llega a travs de un cierto sistema de informacin, que est sujeto a diversos grados de error, retardo, deformacin y compresin. En consecuencia, el estado actual (y con mayor razn el estado futuro) slo puede ser conocido imperfectamente. En nuestro ejemplo de la asignacin del presupuesto publicitario todo el esquema de decisin que analizaremos supondr que los resultados del estudio de mercado seguirn siendo vlidos en el futuro, cuando se realice la publicidad, y que los responsables de la empresa reciben un informe que describe sin mucho error el comportamiento de los consumidores en cuanto al planeamiento o la impulsividad de la compra. El punto que tenemos que ver a continuacin es capital. Se refiere al siguiente tema: cmo la informacin mejora nuestro conocimiento de la realidad? Veremos a continuacin de qu forma la informacin reduce o anula nuestra incertidumbre acerca de la naturaleza de la realidad. Antes de obtener la informacin tenemos un cierto modelo de la realidad con que estamos trabajando; despus de recibir la informacin, si la incorporamos convenientemente, obtenemos por lo general un modelo ms realista, ms cercano a la verdad, con menor incertidumbre. 2,3. Lgica bayesiana El clebre teorema de BAYES nos permite revisar, recalcular y mejorar las probabilidades pj que asignamos a los diferentes estados de la naturaleza en funcin del mensaje recibido. Llamaremos a estas pj probabilidades a priori de los estados Ej por cuanto son las estimaciones previas a la informacin. A las estimaciones revisadas de esas probabilidades las llamaremos probabilidades a posteriori, porque se derivan de la informacin. Llamaremos P (Ej; , mk) a la probabilidad de que simultneamente Ej; sea verdadero y de que se obtenga el mensaje mk. Esta probabilidad es igual a P (Ej; mk) = pj qkj, donde: pj: es la probabilidad de que se d el estado Ej; (sta es la probabilidad a priori), y qkj: es la probabilidad condicionada de que, una vez dado el estado Ej, se d el mensaje mk. La igualdad anterior corresponde al teorema del producto del clculo de probabilidades que dice: la probabilidad de que ocurran dos acontecimientos simultneamente es igual al producto de la probabilidad de que ocurra uno de ellos por la probabilidad condicionada de que, una vez que ocurra el primero, ocurra el segundo. La probabilidad de obtener un estado y un mensaje es la probabilidad de obtener el estado multiplicada por la probabilidad de, una vez obtenido el estado, obtener el mensaje. Aplicando nuevamente el teorema, pero poniendo en primer lugar el mensaje, se obtiene P (Ej, mk) = P (mk) P (Ej/mk) Donde P (mk): es la probabilidad de obtener el mensaje mk, y P (Ej/mk): es la probabilidad condicionada de que, una vez obtenido mk, se d Ej. Esta ltima es la probabilidad a posteriori que nos interesa, porque representa la nueva probabilidad que atribuimos al estado Ej una vez que sabemos que se dio el mensaje mk. Igualando los segundos miembros de las ecuaciones anteriores y despejando la probabilidad a posteriori, llegamos al teorema de BAYES
10

qkj P (Ej/mk) = pj P (mk) La probabilidad a posteriori es igual a la probabilidad a priori multiplicada por el factor

qkj P (mk) Se ve que la probabilidad a posteriori es funcin de la probabilidad a priori y de la estructura de la informacin. De la frmula de BAYES nos falta conocer el denominador, que es la probabilidad de obtener el mensaje mk. En funcin de parmetros conocidos, esta probabilidad es
j

P (mk) =

pj qkj

Esta ltima expresin dice que la probabilidad de obtener el mensaje mk es igual a la probabilidad de que se d el estado El multiplicada por la probabilidad de que, dado el estado E1, se d el mensaje mk; ms la probabilidad de que se d el estado E2, multiplicada por la probabilidad de que, dado el mensaje E2, se d el mensaje mk; y as para todos los dems estados posibles hasta llegar al ltimo Em. Con esta especificacin del denominador, el teorema de BAYES resulta: qkj P (Ej/mk) = pj

pj qkj

La probabilidad revisada (a posteriori) de que, una vez conocida la existencia del mensaje mk; sea verdadero el estado E1 es funcin de la probabilidad a priori pj de que dicho estado sea verdadero, de las probabilidades pi de los otros estados y de las probabilidades de la matriz de informacin. Volvamos al ejemplo de la publicidad. Las probabilidades a priori eran p1 = 0,70 y p2 = 0,30. Las cuatro probabilidades de la matriz de informacin la ilustracin N 5 son q11, = 0,80, q12 = 0,10, q21 = 0,20 y q22 = 0,90. Con estos datos podemos calcular cuatro probabilidades a posteriori: 1. La probabilidad de que, dado m1, sea verdadero E1: q11 P (E1, m1) = p1 p1 q11 + P2 q12 0,80 = 0,70 0,70 0,80 + 0,30 0,10 = 0,95

11

Se aprecia que la probabilidad a posteriori es mayor que la probabilidad a priori. Si la investigacin revela que la compra es planeada, la certidumbre de que el mercado es sensible a la publicidad masiva crece, porque la investigacin ratifica una creencia anterior. La informacin de la investigacin de mercados hace que la probabilidad intuitiva del 70 % de que el mercado es sensible a la publicidad masiva se transforme en una probabilidad del 95 %, prxima a la certeza.

2. La probabilidad de que, dado m1, sea verdadero E2:

q12 P (E2, m1) = p1 p1 q11 + p2 q12 0,1 = 0,30 0,70 0,80 + 0,30 0,10 = 0,05 En este caso la probabilidad a posteriori disminuye, pero tambin se mueve en el sentido de la mayor certeza. Antes de contar con la informacin era del 30 %; despus es del 5 %. Ahora es mucho ms cierto que E2 no es vlido; es casi seguro que el mercado no es sensible a la promocin en el punto de venta. La suma de la probabilidad a posteriori del punto 1, 0,95, y la de este punto 2, 0,05, es la unidad: si bien ambas probabilidades se movieron hacia la certeza, su suma sigue siendo la unidad, porque aunque sea conocido el mensaje m1, debe darse que E1 o E2 es el verdadero. 3. La probabilidad de que, dado m2 sea verdadero E1: q21 P (E1, m2) = p1 p1 q21 + p2 q22 0,20 = 0,70 0,70 0,20 + 0,30 0,90 = 0,34 En este caso la probabilidad a posteriori es menor que la probabilidad a priori (0,34 es menor que 0,70). La informacin del estudio de mercado de que la gente compra el nuevo producto por impulso hace menos probable el comportamiento sensible a la publicidad masiva. No obstante, que E1 no sea verdadero est lejos de la certeza: 0,34 est lejos de 0. 4. Finalmente la probabilidad de que, dado m2 sea verdadero E2: q22 P (E2, m2) = p2 p1 q21 + p2 q22

12

0,90 = 0,30 0,70 0,20 + 0,30 0,40 = 0,66 La probabilidad a posteriori es mayor que la probabilidad a priori (0,66 es mayor que 0,30). El estudio de mercado, al informar comportamiento impulsivo, hace ms probable la hiptesis de que el mercado es sensible a la promocin en el punto de venta. No obstante, que E2 sea verdadero est lejos de la certeza: 0,66 est lejos de 1. Resumiendo: tenamos una idea a priori de cmo era el comportamiento del mercado: nos inclinbamos a que era sensible a la publicidad masiva. Los resultados posibles de la investigacin de mercado modifican la intensidad de esta creencia. Si el estudio informa "compra planeada", la creencia original se ve fuertemente reforzada, acercndose a la certeza. Si en cambio el estudio indica "compra impulsiva", no llegamos a ninguna conclusin definitiva, pero nuestra creencia debe cambiar en el sentido de que debemos pensar ms bien que el mercado es sensible a la promocin en el punto de venta. La informacin (las conclusiones de la investigacin de mercado) nos llevan en cada alternativa a una creencia que tiene mayores posibilidades de describir correctamente el estado de la naturaleza. Volvamos ahora sobre los conceptos de certidumbre e incertidumbre. Sean dos estados posibles de la naturaleza, E1 y E2. El estado de certidumbre existe cuando las probabilidades son respectivamente 1 y 0 0 y 1. En el primer caso E1, es verdadero y E2 falso; en el segundo caso es E2 verdadero y E1 falso. Cualquier otro par de valores que sumen la unidad representa un caso de incertidumbre. Por ejemplo, las probabilidades de 0,70 y 0,30 representan incertidumbre (incertidumbre quiere decir ausencia de certeza). La incertidumbre mxima corresponde a iguales probabilidades: 0,5 y 0,5 respectivamente. Existe tal desconocimiento del estado de la realidad que ambos estados tienen la misma probabilidad de ser ciertos. En el ejemplo que analizamos anteriormente, el mensaje m1, cambiaba las probabilidades a priori 0,70 y 0,30 a 0,95 y 0,05. Evidentemente en este caso disminuye la incertidumbre. Las probabilidades a posteriori 0,95 y 0,05 se parecen bastante a la condicin de certeza 1 y 0. El caso es ms complicado cuando se da el mensaje m2. En este caso las probabilidades a priori 0,70 y 0,30 cambian a las probabilidades a posteriori 0,34 y 0,66. Aparentemente, la incertidumbre aument en lugar de disminuir. El segundo par est ms prximo a la mxima incertidumbre 0,50 y 0,50 que el primer par. Pero no es as. El primer par se basa en una cierta cantidad de informacin o en cierta creencia; el segundo par se basa en esa misma informacin o creencia ms la informacin adicional del estudio de mercado. El segundo par tiene menos incertidumbre que el primero porque est mejor fundamentado. Las probabilidades 0,34 y 0,66 tienen ms probabilidades de ser correctas que 0,70 y 0,30 porque estn basadas en mayores evidencias. Por lo tanto presentan un mayor grado de certidumbre. Los valores ms prximos a 0,50 y 0,50 surgen porque la evidencia de la investigacin de mercado tendi a refutar la creencia a priori de que E1, era ms probable. A continuacin veremos que si se contrata la investigacin de mercado y se obtiene el mensaje m2, la decisin ptima de la asignacin del presupuesto de publicidad y promocin cambia a pesar de la mayor cercana de las probabilidades a posteriori de la situacin de mxima incertidumbre. Antes de proseguir, destaquemos que la lgica bayesiana descripta incorpora racionalmente nueva informacin a un esquema de conocimientos o creencias preexistente. La nueva informacin modifica en un cierto sentido las creencias de cmo es la realidad. El teorema de BAYES no solamente indica en qu sentido se modifica sino que cuantifica el cambio. Mayores cantidades de informacin adicional irn moviendo el esquema hacia la certeza, donde el estado de la naturaleza verdadero tendr una probabilidad cercana a la unidad y las probabilidades de todos los dems estados sern casi nulos. Este es el mtodo de la ciencia cuando verifica hiptesis (estados de la naturaleza que parecen verdaderos) mediante observacin y experimentacin (informacin adicional). Tambin es el mtodo sobre la base del cual el hombre aprende de la experiencia: su comportamiento basado en cierto esquema de cmo es el mundo va cambiando a medida que la experiencia (informacin adicional) va modificando tal esquema. 2,4. Decisin ptima con informacin Si se ha obtenido informacin, la decisin ptima del problema de decisin original puede cambiar. Para saber cul es la nueva decisin ptima es necesario calcular los valores esperados de todas las
13

alternativas con las probabilidades a posteriori de los estados de la naturaleza y elegir aquella alternativa que tenga el mayor valor esperado. Para un mensaje obtenido mk, la decisin ptima es la alternativa ai que maximiza el valor esperado:
j

u (ai/mk) =

P (E /m ) u .
j k ij

Como ejemplo, consideremos los dos casos posibles en el caso de la publicidad. Supongamos en primer lugar que se ha recibido el mensaje mj. Las probabilidades a posteriori son 0,95 para E1, y 0,05 para E2. El valor esperado de cada alternativa es u (a1/m1) = $ 100 0,95 $ 20 0,05 = $ 94,0 u (a2/m1) = $ 40 0,95 + $ 20 0,05 = $ 39,0 u (a3/m1) = $ 20 0,95 + $ 50 0;05 $ 16,5. La decisin ptima es elegir la alternativa a1. La decisin ptima no cambi, aunque el valor o utilidad esperada aument: con las probabilidades a priori se esperaba una ganancia de $ 64; con las probabilidades a posteriori de la informacin m1 se espera una ganancia de $ 94. Esto se debe simplemente a que la informacin m1 refuerza nuestra creencia que E1 es verdadero. Supongamos a continuacin que se ha recibido el mensaje m2. Las probabilidades a posteriori son 0,34 para E1 y 0,66 para E2. El valor esperado para cada alternativa es u (a1/m2) = $ 100 0,34 $ 20 0,66 = $ 20.8 u (a2/m2) = $ 40 0,34 + $ 20 0,66 = $ 26,8 u (a3/m2) = $ 20 0,34 + $ 50 0,66 = $ 25,8 La decisin ptima es elegir la alternativa a2. La decisin ptima cambi: las probabilidades a priori era a1; con las probabilidades a posteriori es a2. La razn es que el mensaje m2 es contradictorio con las creencias a priori, y por tanto la mejor decisin es una alternativa que tanto prev publicidad masiva como promocin en el punto de venta. a) Valor de la Informacin Definimos el valor de la informacin como el incremento del valor esperado causado por la informacin. El valor de la informacin es la diferencia entre el valor esperado con las probabilidades a posteriori y el valor esperado de las alternativa ptima con las probabilidades a priori. Ya vimos antes que el valor esperado en este ltimo caso es de $ 64. La pregunta que surge es: cunto aumenta el valor estimado de la decisin si se realiza la investigacin de mercado? Hay un problema: es que esta evaluacin hay que hacerla antes de disponer de la informacin. En el punto anterior vimos cul es el valor esperado despus de conocido el mensaje de la investigacin de mercado. Este valor es de $ 94,0 si se recibe el mensaje m1 y de $ 26,8 si se recibe el mensaje m2. Por lo tanto, hay que hallar un promedio ponderado de ambos valores, siendo el coeficiente de ponderacin la probabilidad de obtener cada mensaje. La probabilidad de obtener el mensaje m1 es, segn ya vimos antes, P (m1) = p1 q11 + p2 q12 = 0,70 0,80 + 0,30 0,10 = 0,59. La probabilidad, dadas las probabilidades a priori de los estados y la matriz de informacin, de obtener el mensaje m1 del estudio de mercado es del 59 %. La probabilidad de obtener el mensaje m2 es P (m2) = p1 q21 + p2 q22 = 0,70 0,20 + 0,30 0,90
14

= 0,41. Naturalmente, la probabilidad de obtener alguno de los dos mensajes es la suma de sus probabilidades: 0,59 + 0,41 = 1 que es la unidad, la certeza. Con estas dos probabilidades, el valor esperado de la decisin con la informacin, pero antes de recibir la informacin, es V = u (a1/m1) P (m1) + u (a2/m2) P (m2) = $ 94,0 0,59 + $ 26,8 0,41 = $ 66,5. La posibilidad de obtener informacin acerca del mercado da un valor esperado de la decisin de $ 66,5. Como el valor sin informacin era de $ 64,0, entonces el valor de la informacin es vi = V V = $ 66,5 $ 64,0 = $ 2,5 La informacin de mercado vale $ 2,5. Solamente hay que comprar tal informacin si su costo es inferior a su valor. Si el costo es menor a $2,5, la informacin aporta una utilidad econmica; si el costo es mayor que $2,5 no aporta utilidad y no hay que comprarla. Este es el punto bsico del valor de la informacin. La informacin es conveniente solamente si: 1) Modificar nuestro conocimiento a priori del mundo que nos rodea; 2) Incrementar el calor esperado de una decisin que es funcin de ese conocimiento del mundo, y 3) El incremento del valor esperado de la decisin es mayor que el costo de la informacin Si se cumplen estas tres condiciones, la informacin es conveniente. Si al menos alguna de las tres no se cumple, no es econmicamente conveniente. El punto central del valor de la informacin es el visto: la informacin es conveniente siempre y cuando incremente el valor esperado de una decisin por encima del costo de la informacin. Esto es siempre verdadero, aunque no siempre pueda calcularse. Inclusive en los cosos en que no puede estimarse, el valor de la informacin reside en la posibilidad de llegar a mejores decisiones. Dicho brevemente, la informacin permite un mejor conocimiento de la realidad, y un mejor conocimiento de la realidad permite mejores decisiones. En cosos reales, pocas veces se conocen la matriz de decisin y la matriz de informacin como para poder calcular el valor de la informacin. Slo es generalmente posible para decisiones repetitivas de bajo nivel, como en algunas aplicaciones de control de calidad y mantenimiento preventivo. No obstante, el modelo terico visto nos permitir ciertas generalizaciones que son validas en cualquier tipo de problemas, cuantificable o no. En primer lugar veremos cmo vera el valor de la informacin con la dimensin econmica del problema. 2,5 Valor de la informacin y dimensin econmica del problema Para ilustrar este punto, supondremos el mismo problema anterior de asignacin del presupuesto de publicidad, con la nica diferencia de que los valores econmicos son diez veces mayores. Al ser diez veces mayores las utilidades de la matriz de decisin, nos estamos enfrentando a un problema de una dimensin econmica diez veces mayor. Las ganancias y las prdidas se duplican. En la ilustracin N 8 aparecen las matrices de decisin y de informacin del ejemplo analizado anteriormente, con la nica diferencia que las utilidades de la matriz de decisin se han duplicado, tanto para las ganancias como para las prdidas. Comprese esta ilustracin con las ilustraciones Nos. 3 y 5

15

Matriz de decisin
Asignaciones del presupuesto publicitario a1 a2 a3

Conocimiento del mercado E1 $ 1000 400 0,20 p1 = 0,70 E2 $ 200 200 500 p2 = 0,30

Matriz de informacin

Investigacin de mercado

Comportamiento del mercado E1 $ 0,80 0,20 1,00 E2 0,10 0,90 1,00

m1 m2

8. Ejemplo de mayor dimensin econmica

Resolviendo este caso siguiendo las mismas etapas que el anterior, llegamos a los siguientes valores: 1) Valor esperado a priori de las decisiones u (a1) = $ 640 u (a2) = $ 340 u (a3) = $ 10. Son 10 veces mayores que en el ejemplo original. 2) Decisin ptima y su valor a priori. La decisin ptima es a1, con V = $ 640. 3) Probabilidades a posteriori de los estados P (E1/m1) = 0,95 P (E2/m1) = 0,05 P (E1/m2) = 0,34 P (E2/m2) = 0,66.

Son iguales que en el ejemplo original. 4)

Valor esperado a posteriori de las decisiones u (a1/m1) = $ 940 (ptimo) u (a2/m1) = $ 390 u (a3/m1) = $ 165 u (a1/m2) = $ 208 u (a2/m2) = $ 268 (ptimo) u (a3/m2) = $ 252.
16

Son 10 veces mayores que en el ejemplo original. 5) Probabilidad de los mensajes P (m1) = 0,59 P (m2) = 0,41 Igual que en el ejemplo original. 6) Valor esperado de la decisin con informacin, pero antes de recibirla, V = $ 665. Es diez veces mayor que en el ejemplo original 7) Valor de la informacin vi = $25 Diez veces mayor que en el ejemplo original. Como vemos, todos los valores econmicos se decuplican. Esto es natural, desde que el problema tiene la misma estructura de probabilidades a priori y probabilidades de informacin. La informacin para un problema de dimensin diez veces mayor tiene un valor diez veces mayor. Este es un principio general, vlido para todo tipo de problemas de decisin y de sistemas de informacin. Principio: El valor de la informacin es directamente proporcional a la dimensin econmica de los problemas de decisin en que se utiliza. Este principio establece la relatividad del valor de la informacin. La informacin no tiene valor per se, sino en funcin del problema a que se aplica. Podramos extender la conclusin y decir que el valor de la informacin depende de quin decide: dos personas distintas con el mismo problema y la misma informacin pueden decidir cosas diferentes, y entonces el valor de la misma informacin para el mismo problema ser diferente segn su uso. Para quien sabe utilizar la informacin para decidir mejor, la informacin tiene mayor valor. As podemos establecer otro Principio: El valor de la informacin crece cuanto mejor la utiliza el destinatario de la informacin. En el caso extremo tenemos el individuo que recibe informacin y no la usa o no sabe usarla. Para l esa informacin tiene valor nulo. Lo que hemos visto explica por qu las empresas grandes pueden disponer de mayor informacin que las pequeas. El costo de la informacin puede ser el mismo para una empresa pequea que para una empresa grande, pero el valor de la informacin es mayor para la empresa grande. Entonces lo que es econmicamente conveniente para la empresa grande puede no serlo para la empresa pequea. Por ejemplo, supongamos que el costo del estudio de mercado del ejemplo sea ci = $ 10. En el ejemplo original, si se trata de una empresa pequea, la utilidad de la informacin es ui = vi ci = $ 2,5 $ 10 = $7,5. La utilidad de la informacin es negativa. Su costo excede su valor. Por lo tanto, no hay que comprar tal informacin. Hay que decidir acerca del presupuesto de publicidad sin hacer el estudio de mercado, que es demasiado caro para el valor que tiene para la empresa pequea.
17

En el segundo ejemplo, que supondremos es el mismo problema de decisin en una empresa grande, la utilidad de la informacin es ui = vi ci = $ 25 $ 10 = $ 15. En este caso la informacin tiene utilidad positiva y hay que comprarla. El valor de la informacin excede al costo de la informacin. As llegamos a otro Principio: Una cierta informacin, de contenido y costo dados, puede ser econmicamente conveniente para una empresa y antieconmica para otra empresa de menor dimensin. Por ltimo, podemos repetir algo visto ms arriba: si la informacin no mejora nuestro conocimiento de la realidad, el grado de creencia que tenemos en ciertos estados de la naturaleza, o no cambia el valor esperado de una decisin o si la decisin no se lleva a la realidad, entonces la utilidad de la informacin es negativa: cuesta pero no vale. As podemos establecer el Principio: Si la informacin no mejora el conocimiento de la realidad, o no mejora el valor esperado de las decisiones, o si las decisiones no se llevan a la prctica, entonces la informacin es antieconmica. 2,6. Valor de la informacin y calidad de la informacin En este punto modificaremos de otra forma el ejemplo original. Slo cambiaremos la matriz de informacin y comprobaremos que mejorando la calidad de la informacin mejora su valor. La ilustracin N 9 vuelve a presentar el problema original, con la nica diferencia de que las probabilidades qij de que, dado un estado de la naturaleza, se d un cierto mensaje, se aproximan ms a la certeza (probabilidad 1 0). La matriz de informacin de la ilustracin N 9 es "ms perfecta" que la de la ilustracin N 5 del ejemplo original. A Matriz de decisin
Asignacin del presupuesto publicitario Comportamiento del mercado

E1 a1 a2 a3
$ 100 40 20 p1 = 0,70

E2
$ 20 20 50 p2 = 0,30

B) Matriz de informacin
Investigacin de mercado

Comportamiento del mercado

E1 m1 m2
0,90 0,10 1,00

E2
0,00 1,00 1,00

9. Ejemplo de informacin de mejor calidad

Las diferentes etapas de resolucin de este caso dan

18

2) Valor esperado a priori de las decisiones u (a1) = $ 64 u (a2) = $ 34 u (a3) = $ 1. Igual al ejemplo original. 2) Decisin ptima y su valor a priori La decisin ptima es a1 con V = 64. Igual al ejemplo original. 7) Probabilidades a priori de los estados P (E1/m1) = 1,00 P (E2/m1) = 0,00 P (E1/m2) = 0,19 P (E2/m2) = 0,81. Se acercan ms a la certeza. 4) Valor esperado a posteriori de las decisiones u (a1/m1) = $ 100 (ptimo) u (a2/m1) = $ 40 u (a3/m1) = $ 20 u (a1/m2) = $ 35,2 u (a2/m2) = $ 23,8 u (a3/m2) = $ 44,3 (ptimo)

Los ptimos son mayores. 7) Probabilidad de los mensajes

P (m1) = 0,63 P (m2) = 0,37. Cambian ligeramente. 7) Valor esperado de la decisin con informacin, antes de recibirla V = $ 79,4. Es mayor que en el ejemplo original. 7) Valor de la informacin vi = $ 15,4. Es mayor que en el ejemplo original. Como vemos, una mejor calidad de informacin, una informacin que se acerca ms a la informacin perfecta, tiene mayor valor. En el ejemplo original, la informacin de la matriz de la ilustracin N 5 tiene un valor vi = $ 2,5. En este ejemplo, la informacin de la matriz de la ilustracin N 9 tiene un valor vi = $ 15,4, varias veces superior. Todo esto ocurre porque cada mensaje identifica menos ambiguamente el estado de la naturaleza verdadero. El mensaje m1 revela la certeza de la verdad de E1; el mensaje m2 da una probabilidad posteriori del 81 % para E2, mayor que el 66 % anterior.
19

Si modificramos an ms la matriz de informacin transformndola en informacin perfecta como aparece en la ilustracin N 10, llegaramos a que el valor de la informacin es vi = $ 21,0. Este es el mayor valor alcanzable y se lo llama costo de la incertidumbre porque es el costo de nuestra ignorancia. La informacin perfecta tiene valor mximo. La causa es que la informacin perfecta produce certidumbre acerca del estado de la naturaleza verdadero. En la ilustracin N 10, el mensaje m1 produce la certidumbre de que E1 es verdadero; el mensaje m, nos dice que E2 es verdadero. En el ejemplo, una estructura de informacin perfecta sera aquella que 2) Nos dijese sin lugar a dudas si el mercado compra en forma planeada o impulsiva, y 2) Quienes compran en forma planeada son total y exclusivamente sensibles a la publicidad masiva, y quienes compran impulsivamente son sensibles exclusivamente a la promocin en el punto de venta. Todo lo anterior nos permite establecer el Principio: El valor de la informacin es proporcional a la calidad de la estructura de la informacin (informacin que se acerca ms a la informacin perfecta, donde cada mensaje determina unvocamente un estado de la naturaleza). La informacin perfecta produce certidumbre acerca del estado de la naturaleza y tiene valor mximo. Como ejemplo, en el control de calidad la informacin perfecta corresponde a la inspeccin al 100 % del lote, sin errores de medicin. En un estudio cuantitativo de mercado la estructura de informacin es tanto ms perfecta cuanto mayor es el tamao de la nuestra. En la investigacin cientfica, la repeticin de ensayos tiende a generar informacin cada vez ms perfecta.
Investigacin de mercado

Comportamiento del mercado

E1 m1 m2
1,00 0,00 1,00

E2
0,00 1,00 1,00

10. Matriz de informacin prefecta

2,7. Valor de la informacin e incertidumbre a priori En este punto modificaremos de otra forma el ejemplo original. Supondremos que existe una mayor incertidumbre a priori acerca del verdadero estado de la naturaleza. Las probabilidades a priori sern p1 = 0,50 y p2 = 0,50. El responsable de la decisin no sabe ni intuye nada acerca del comportamiento del mercado. El ejemplo as modificado aparece en la ilustracin N 11. A. Matriz de decisin
Asignacin del presupuesto publicitario Comportamiento del mercado

E1 a1 a2 a3
$ 100 40 20 p1 = 0,50

E2
$ 20 20 50 p2 = 0,50

20

B) Matriz de informacin
Investigacin de mercado

Comportamiento del mercado

E1 m1 m2
0,80 0,20 1,00

E2
0,10 0,90 1,00

11. Ejemplo con mayor incertidumbre

Comprobaremos que en este caso el valor de la informacin aumenta. La mayor incertidumbre a priori aumenta el valor de la informacin. Los distintos pasos del clculo del valor de la informacin dan 4) Valor esperado a priori de las decisiones u (a1) = $ 40 u (a2) = $ 30 u (a3) = $ 15. Cambian con respecto al ejemplo original. 4) Decisin ptima y su valor a priori La decisin ptima es a1, con V = $ 40. Es menor que en el ejemplo original. 4) Probabilidades a priori de los estados P (E1/m1) = 0,89 P (E2/m1) = 0,11 P (E1/m2) = 0,18 P (E2/m2) = 0,82. Cambian con respecto al ejemplo original. 4) Valor esperado a posteriori de las decisiones u (a1/m1) = $ 86,8 (ptimo) u (a2/m1) = $ 37,8 u (a3/m1) = $ 23,3 u (a1/m2) = $ 16 u (a2/m2) = $ 23,6 u (a3/m2) = $ 37,4 (ptimo)

Los ptimos cambian. 7) Probabilidades de los mensajes

P (m1) = 0,45 P (m2) = 0,55. El mensaje m1 se vuelve menos probable.

21

7) Valor esperado de la decisin con informacin, antes de recibirla V = $ 59,7. 7) Valor de la informacin vi = $ 19,7. Es mayor que en el ejemplo original. As comprobamos que cuanto mayor es la incertidumbre original mayor es el valor de la informacin. Tambin se podra comprobar el caso opuesto: en caso de certidumbre a priori, el valor de la informacin es nulo. Esto es comprensible, porque cuando existe certidumbre acerca del verdadero estado de la naturaleza ninguna informacin puede cambiar tal estado de certidumbre. En el teorema de BAYES, cuando la probabilidad a priori es unitaria o nula, la probabilidad a posteriori es unitaria o nula cualquiera sea el mensaje. Como la informacin en este r a o no cambia nuestro conocimiento de la naturaleza, tampoco cambia nuestra decisin ni el valor de nuestra decisin. La informacin tiene valor nulo. As llegarnos a los siguientes principios generales: Principio: El valor de la informacin es tanto mayor cuanto mayor es la incertidumbre a priori acerca del verdadero estado de la naturaleza. Principio: El valor de la informacin adicional acerca del estado de la naturaleza existente disminuye a medida que la naturaleza es ms predictible. En el caso extremo de certeza a priori, el valor de la informacin adicional es nulo. 2,8. Valor de la informacin y riesgo econmico Otra vez modificaremos el ejemplo original. El nico cambio que introduciremos es un mayor riesgo econmico de equivocarse acerca del verdadero estado de la naturaleza. En el ejemplo original el responsable de la decisin cree ms bien que el estado E1 es el verdadero, y sobre la base de eso decidira a1, que le provee el mayor valor esperado de la decisin. En este caso, si su creencia a priori fuera equivocada y el estado verdadero fuera E2, pierde $ 20. Este es su riesgo econmico en caso de equivocarse. Veremos a continuacin, modificando el ejemplo, que si ese riesgo es mayor el valor de la informacin aumenta. La ilustracin N 12 contiene el ejemplo original con la nica modificacin de que en el resultado para la decisin al, si se da el estado E2, la prdida es de $ 50 en lugar de ser $ 20. A. Matriz de decisin
Asignacin del presupuesto publicitario a1 a2 a3 Comportamiento del mercado E1 $100 40 -20 p1 = 0,70 E2 -$50 20 50 p2 = 0,30

B. Matriz de informacin
Investigacin de mercado m1 m2 Comportamiento del mercado E1 E2 0,80 0,10 0,20 0,90 1,00 1,00

12. Ejemplo de mayor riesgo econmico.

22

Las etapas del clculo del valor de la informacin dan: 1) Valor esperado a priori de las decisiones u (a1) = $ 55 u (a2) = $ 34 u (a3) = $ 1 . El valor esperado de al es menor. 2) Decisin ptima y su valor a priori La decisin ptima es a1, con V = $ 55. Es menor que en el ejemplo original. 3) Probabilidad a priori de los estados P (E1/m1) = 0,95 P (E2/ m1) = 0,05 P (E1/m2) = 0,34 P (E1/ m2) = 0,66 No cambian. 4) Valor esperado a posteriori de las decisiones u (a1/m1) = $ 92,5 (ptimo) u (a2/m1) = $ 39,0 u (a3/m1) = $ 16,5 u (a1/m2) = $ 1,0 u (a2/m2) = $ 26,8 (ptimo) u (a3/m2) = $ 25,2. 5) Probabilidades de los mensajes P (m1) = 0,59 P (m2) = 0,41 No cambian. 6) Valor esperado de la decisin con informacin, antes de recibirla V' = $ 65,5 7) Valor de la informacin vi = $ 10,5 Es mayor que en el ejemplo original. El mayor riesgo econmico de que las creencias a priori del verdadero estado de la naturaleza sean errneas hace que la informacin adicional tenga ms valor. Esto nos conduce al Principio: El valor de la informacin es tanto mayor cuanto mayor es el riesgo econmico en caso de que, elegida la alternativa ptima segn la informacin a priori, se d un estado de la naturaleza poco esperado.

23

Este principio establece que la informacin es una especie de seguro contra los acontecimientos inesperados. Cuanto mayor es la prdida en caso de un acontecimiento improbable, tanto mayor es el valor de la informacin que dice algo acerca de su probabilidad o improbabilidad.

2,9. Valor de la informacin original La informacin puede valer porque aporta conocimiento de un tipo diferente a los vistos anteriormente. Dado un problema de decisin y su planteo mediante la matriz de decisin, la informacin puede aportar la posibilidad de nuevos estados de la naturaleza no previstos o nuevas alternativas de decisin no previstas. En el problema estudiado, sera el caso en que la informacin consistiera en la posibilidad de un estado E3, donde el mercado es sensible a la presencia simultnea de publicidad masiva y promocin, o la posibilidad de una alternativa a4, como podra ser vender seis unidades al precio de cinco. Este tipo de informacin original, que modifica la estructura de la decisin, puede tener gran valor porque incrementa el valor esperado de la decisin. En esencia tiene la misma virtud que la informacin de los ejemplos vistos: permitirnos una visin ms completa y ms exacta del mundo que nos rodea, del mbito en el cual debemos tomar decisiones para encarar y resolver los problemas de la organizacin. 2,10. Crtica del modelo terico El modelo formado por las matrices de decisin e informacin y el mtodo de clculo del valor de la informacin es un modelo cuantitativo que tiene ciertas deficiencias. Las principales son las siguientes: 1) El modelo es esttico en el sentido de que no toma en consideracin el efecto de la acumulacin de informacin en el tiempo. La informacin puede tener valor porque mejora decisiones futuras. 2) Es difcil de aplicar. En orden creciente de dificultades encontramos generalmente la estructuracin de la matriz de decisin, la estimacin de las probabilidades a priori y la estructuracin de la matriz de informacin. Las probabilidades qij son difciles de estimar a priori, y en general pueden llegar a conocerse bien despus que el sistema de informacin est funcionando en el caso de decisiones repetidas. As, el analista de sistemas se encuentra con la insuperable dificultad de tener que evaluar un sistema de informacin antes de instalarlo con informacin que slo es disponible despus de su instalacin. 3) El modelo incluye el criterio de decisin del valor esperado que es recomendable especialmente para decisiones repetidas y de importancia econmica limitada. Este no es el caso de la mayora de las decisiones de alto nivel. No obstante estas limitaciones, hay que reconocer la importancia del enfoque cuantitativo. En primer lugar, una cantidad de problemas de decisin de bajo nivel son usualmente formalizables y cuantificables. Ciertos problemas de control de calidad, de gestin de stocks, de mantenimiento, de finanzas y de comercializacin pueden ser formalizados y el mtodo descripto ser usado para evaluar la economicidad de la informacin. Por otra parte el modelo cuantitativo tiene gran valor conceptual. Establece que la informacin tiene valor siempre y cuando nos permita mejorar la visin de un problema y tomar mejores decisiones. Tambin establece que la informacin no tiene un valor absoluto, sino relativo a la dimensin econmica del problema y al uso que sepa darle el analista, a la habilidad del responsable de la decisin. La informacin no utilizada tiene valor nulo y la informacin mal utilizada no tiene todo el valor que podra tener si se la utilizara bien. Como toda informacin tiene un costo, la informacin no utilizada siempre es antieconmica. Lo mismo ocurre con la informacin irrelevante o insignificante. Cuando la informacin no sirve para mejorar la calidad de las decisiones, siempre es antieconmica. Incluso en el caso de buenos sistemas de informacin, es ms econmico no tenerlos que tenerlos y no usarlos para mejorar la calidad de las decisiones. Desgradaciadamente, este ltimo es un caso bastante frecuente. Sera el caso de una empresa que tiene un buen sistema de control presupuestario, con presupuestos bien construidos e informes mensuales analticos por cuenta y responsable, y que no fuera usado por la direccin superior para detectar reas de ineficiencia y para promover la accin ejecutiva correctora. Si la direccin superior se limita a leer (o no leer) los informes de control presupuestario y a guardarlos en un cajn, el sistema de informacin no tendr valor porque seguramente nadie usar la informacin para mejorar los mtodos de trabajo y eliminar el despilfarro, la ineficiencia o el descuido costoso. La informacin que no conduce a una mejor accin a travs de mejores decisiones es siempre antieconmica.
24

III. Evaluacin cualitativa de la informacin Al disear y evaluar sistemas de informacin, pocas veces se puede llegar a modelos formalizados que permitan calcular el valor del sistema con mtodos similares a los descriptos. Por eso es necesario contar con criterios de evaluacin cualitativos que nos permitan comparar sistemas alternativos o valorar un nuevo sistema por algunas de sus caractersticas ms relevantes. Veremos que, adems de la descripcin de la informacin de salida del sistema, existen dimensiones tales como selectividad, tiempo de respuesta, precisin, confiabilidad, generalidad y flexibilidad que tambin hay que evaluar. 3,1. Volumen de informacin En general podemos afirmar que un sistema de informacin tiene ms, valor cuanto mayor sea el volumen de informacin que es capaz de proporcionar. La informacin describe ciertos aspectos de la realidad, y cuanto ms analtica es podemos suponer que tanto mejor la describe. Una mejor descripcin puede conducir a una mejor comprensin de la realidad y a mejores decisiones. De ah su valor. Naturalmente, un mayor valor no significa necesariamente una mayor utilidad de la informacin: hay que considerar tambin el mayor costo de la mayor informacin. Este principio sirve tambin para comparar sistemas de informacin alternativos. El sistema que puede generar el mayor volumen de informacin tiene, al menos desde este punto de vista, un mayor valor. El mayor valor de los sistemas automticos de procesamiento de datos frente a los mtodos manuales radica principalmente en este hecho. De todas formas debemos tener presente que el mayor volumen de informacin tiene valor siempre y cuando sea significativo y los destinatarios de la informacin tengan el tiempo y la habilidad para utilizarlos. La informacin no utilizada o mal utilizada carece de valor econmico. En toda organizacin, un anlisis minucioso revela que este caso es ms frecuente que lo deseable. Cuando nos referimos a volumen de informacin hablamos tanto de informacin almacenada como de informacin procesada, trasmitida o computada mediante el uso de modelos elaborados. Una mayor capacidad de computacin permite una bsqueda ms completa de alternativas y la incorporacin de nuevas variables y mayores complejidades que aumentan el realismo de los modelos utilizados en el proceso de decisin. En forma similar, la trasmisin de mayores volmenes de informacin puede conducir a una mejor coordinacin a travs de la organizacin. 3,2. Selectividad Otra caracterstica valiosa de un sistema de informacin es la selectividad. Un buen sistema de informacin evita que el responsable de las decisiones tenga que recorrer interminables planillas para seleccionar la informacin que necesita. El propio sistema debe realizar la mayor parte de la seleccin y del filtrado. De tal manera el sistema puede incrementar el contenido de la informacin percibida por el responsable. Slo la informacin percibida es potencialmente til al responsable de las decisiones. La forma ms frecuente de aumentar la selectividad de un sistema consiste en utilizar el principio de excepcin. El mismo sistema, mediante el empleo de lmites de control, determina si una cierta informacin debe ser presentada como salida. La finalidad es filtrar los datos que no alteran en forma significativa la visin de la naturaleza del responsable de las decisiones. Un ejemplo usual son los informes de variaciones en el costeo estndar y en el control de presupuestos: solamente se comunican a cada responsable aquellos tems o cuentas cuyos valores reales se han alejado significativamente de los valores estndares o presupuestados. El destinatario se concentra as en los aspectos que estn evolucionando marcadamente mal o marcadamente bien, sin preocuparse en absoluto de todos los dems aspectos, que estn "bajo control" (es decir en o cerca de los valores anticipados como aceptables). Aquello de lo cual no se recibe informacin est en orden. Slo se recibe informacin de lo que anda anormalmente mal o anormalmente bien. En el caso extremo, si no se recibiera informacin, indicara que todo est en orden y progresa de acuerdo con lo aprobado. Este es el esquema bsico de todos los sistemas de control: un responsable debe mantener ciertas variables esenciales (un presupuesto, plazos de avance, etc.) dentro de un rango de control prefijado, y el sistema de informacin de control le informa solamente los casos en que la realidad se ha salido de la banda de control. Esa informacin es entonces la base de la accin ejecutiva y correctiva: el responsable toma las medidas apropiadas para poner nuevamente el proceso bajo control, es decir, las variables esenciales dentro de los lmites de control. Este es el principio de todo sistema de planeamiento y control, como en los casos
25

de control presupuestario, control de calidad, control de avance de proyectos especiales, control de stocks, control del ciclo econmico y control de epidemias. Otra forma de aumentar la selectividad de la informacin es generar informes ad hoc para cada responsable o grupo de responsables, en lugar de producir informes de tipo general que sirven a todos y a nadie. La selectividad puede tambin incrementarse mediante una adecuada presentacin de los datos. Pueden usarse formatos estndares, representaciones grficas y recursos varios para llamar la atencin sobre datos crticos (colores, asterstcos, subrayados, etc.). 3,3. Tiempo de respuesta Se llama tiempo de respuesta al intervalo requerido por el procesamiento de la informacin. Tres casos frecuentes son la actualizacin de un dato en un archivo (como, por ejemplo, la actualizacin del saldo de una cuenta corriente despus de emitida una factura a un cliente), la bsqueda de un dato (por ejemplo, un listado de todos los empleados) y el tiempo que transcurre desde que se cierra un perodo hasta que se dispone de una cierta informacin estadstica del perodo (por ejemplo, la finalizacin de un mes y el informe de la totalidad de gastos realizados en el mes). A igualdad de los dems factores, un sistema de informacin es ms valioso cuanto menor es su tiempo de respuesta. Una informacin ms rpida permite una visin ms actualizada del verdadero estado de la naturaleza. Esto es particularmente importante en los sistemas de control: es esencial saber con rapidez si el sistema se ha salido de control para emprender las acciones correctivas. La reduccin del tiempo de respuesta mejora la efectividad del control. La rapidez de respuesta es tambin importante en el caso que la informacin se use para proyecciones en el tiempo. La calidad de la proyeccin mejora con la menor antigedad del ltimo dato utilizado. La rapidez de respuesta es especialmente importante cuando el horizonte de proyeccin es reducido. Una proyeccin a 60 das, digamos, mejora sensiblemente al disponerse de informacin histrica bien actualizada. El caso extremo de informacin actualizada es el a ceso directo a datos en tiempo real. En el caso del planeamiento estratgico o de alto nivel, que se extiende sobre horizontes amplios, el acceso a informacin "al da" tiene generalmente menos importancia, porque agrega poco a la capacidad de predecir el futuro estado de la naturaleza. 3,4. Precisin La precisin es una dimensin valiosa de todo sistema de informacin. Existe precisin cuando la informacin corresponde cualitativa y cuantitativamente al ente que intenta medir. Tambin existe precisin cuando un valor pronosticado coincide con el valor realmente observado. Un sistema de pronstico es preciso cuando sus predicciones coinciden con la realidad, o al menos cuando no se desvan ms all de determinados lmites de control que acompaan a la prediccin (como el caso en que se estimen las ventas del prximo mes en 3,4 millones ms o menos 0,2 millones, es decir entre 3,2 y 3,6 millones). Existen tcnicas de proyeccin de series cronolgicas de naturaleza matemtica que tienen en cuenta esta aleatoriedad en forma rigurosa (por ejemplo, la tcnica de la media mvil exponencialmente ponderada). 3,5. Confiabilidad Un sistema es confiable cuando existe una alta probabilidad de que funcione satisfactoriamente. Cuanto ms vital es la informacin, tanto ms importa que el sistema de informacin sea confiable. La forma clsica de aumentar la confiabilidad de un sistema es poner otro similar, aunque independientemente, en paralelo. Ambos sistemas pueden funcionar simultneamente, o el paralelo entrar en funcionamiento si falla el principal. En ambos casos el incremento de confiabilidad se debe a que es mucho menos probable que fallen ambos sistemas simultneamente que uno por separado. Aunque cada sistema independientemente sea poco confiable, poniendo en paralelo un nmero suficientemente grande puede aumentarse la confiabilidad total hasta alcanzar cualquier grado prefijado. Los sistemas de informacin que recin se instalan son por lo general poco confiable. A medida que pasa el tiempo, se acumula experiencia y se corrigen errores, el sistema va ganando en confiabilidad. Esta es la razn por la cual conviene llevar en paralelo por un cierto tiempo el sistema manual que es reemplazado por un sistema automatizado.

26

Aunque un sistema aparezca ms costoso que otro, puede resultar ms econmico si se considera su mayor confiabilidad. Un sistema confiable reduce el costo de carecer de informacin o de disponer informacin atrasada en caso de falla. Tambin un sistema ms confiable puede eliminar la necesidad de un sistema de emergencia para el caso de falla.

3,6. Generalidad Un sistema general es ms valioso que un sistema ms particular. Un sistema general es aquel que puede satisfacer un amplio espectro de necesidades de informacin sin ninguna modificacin bsica. Al disear un sistema de informacin es difcil o imposible tomar en cuenta por anticipado todas las necesidades posibles futuras. Los entornos cambian y producen cambios en las necesidades de informacin. La generalidad de un sistema incrementa su vida til en un medio cambiante. Un ejemplo: un sistema de informacin que transforma datos histricos en proyecciones y que va ajustando los coeficientes de estacionalidad sobre la base de los datos que se van obteniendo, es ms general que un sistema similar que tome como parmetros fijos los coeficientes de estacionalidad. Si la estacionalidad no vara con el transcurso del tiempo, ambos sistemas son vlidos; pero si la estacionalidad se va modificando, el primer sistema sigue siendo vlido mientras que el segundo debe ser modificado. El primer sistema es por lo tanto ms general. Otro ejemplo: un sistema de despacho de mercaderas que prevea entregas parciales y/o faltantes, aunque esto nunca se haya dado histricamente, es ms general que un sistema alternativo que prev como nico caso que los despachos sean iguales a los pedidos. En caso de que en el futuro comiencen a aparecer entregas parciales o faltantes, el primer sistema funcionar correctamente mientras que el segundo deber ser modificado. El primer sistema es ms general. 3,7. Flexibilidad La flexibilidad es otra propiedad valiosa de un sistema de informacin. Un sistema es flexible cuando puede ser fcilmente modificable. Como vimos antes, las modificaciones son generalmente inevitables. En un medio cambiante, las necesidades de informacin evolucionan. Inclusive la evolucin del destinatario de la informacin hace que un sistema tenga que cambiar para adaptarse a sus cambiantes necesidades de informacin. La flexibilidad es un atributo complementario o a veces sustituto de la generalidad. Cuando los cambios son de fcil y rpida ejecucin no interesa tanto la generalidad. En los sistemas de computacin, los macrolenguajes (higher-level languages) como el FORTRAN y el COBOL son los que proveen la mxima flexibilidad. Los programas simples, directos, son mucho ms fcilmente modificables que los programas ingeniosos que tratan de aprovechar al mximo la eficiencia de la mquina. Un programa escrito en un macrolenguaje es ms flexible que un programa escrito en lenguajes menos evolucionados o en lenguaje de mquina. La flexibilidad tambin crece cuando los programas son modulares, es decir, cuando estn compuestos con mdulos o subrutinas relativamente independientes que se intercomunican a travs de un nmero limitado de parmetros preestablecidos. El cambio en una parte del sistema slo puede afectar al cambio de las otras a travs de esos parmetros. Todos los dems cambios son internos a algn mdulo y por lo tanto no se trasmiten a las dems partes del sistema. Las tcnicas para lograr flexibilidad son costosas porque involucran diseos ms cuidadosos, programacin ms extensa y capacidad de mquina menos aprovechada. Estos costos tienden, sin embargo, a ser despreciables cuando se los compara con los costos menos evidentes y ms ocultos de un sistema inflexible.

27